DASC：用于多模态与多光谱对应估计的鲁棒稠密描述子
计算机视觉与模式识别
2016-04-28 v1
摘要
在多幅图像间建立稠密对应是许多应用中的基本任务。然而，由于多模态或多光谱图像具有挑战性的光度与几何变化，寻找可靠的对应仍未解决。本文提出一种新颖的稠密描述子，称为稠密自适应自相关（dense adaptive self-correlation, DASC），用于估计多模态与多光谱稠密对应。基于图像内存在的自相似性对成像模态变化具有鲁棒性的观察，我们定义该描述子为通过随机感受野池化采样的图像块之间的一系列自适应自相关相似性度量，其中采样模式通过判别学习获得。通过应用快速边缘感知滤波，稠密描述子的计算冗余被显著降低。此外，为解决包括尺度与旋转在内的几何变化，我们提出一种几何不变 DASC（GI-DASC）描述子，其通过基于超像素的表示有效利用 DASC。为对 GI-DASC 进行定量评估，我们构建了一个新的多模态基准，具有变化的光度与几何条件。实验结果表明 DASC 与 GI-DASC 在多模态与多光谱稠密对应的许多情况下具有出色性能。
引用
@article{arxiv.1604.07944,
title = {DASC: Robust Dense Descriptor for Multi-modal and Multi-spectral Correspondence Estimation},
author = {Seungryong Kim and Dongbo Min and Bumsub Ham and Minh N. Do and Kwanghoon Sohn},
journal= {arXiv preprint arXiv:1604.07944},
year = {2016}
}